ICCV 2015 《Understanding and Diagnosing Visual Tracking Systems》论文笔记

写在前面

       今天打开csdn，想写这篇博客的时候，发现，哇，Markdown编辑器，赶紧试了一下，好用，哈哈。
       理解出错之处望不吝指正。

文章大意

       这篇文章是ICCV2015年的文章，我是看了浙大王萌萌学姐的目标跟踪综述视频才看了这篇文章。文章中根据不同跟踪器的共性，将跟踪器分为以下五个组成部分：
       1. Motion Model，意为运动模型，代表模型中对于当前帧，如何根据上一帧的位置进行采样，得到候选bbox；
       2. Feature Extractor，即特征提取，不需要过多解释；
       3. Observation Model，这部分用于判断哪个候选bbox应作为当前帧的跟踪结果；
       4. Model Updater，即模型更新部分，包括模型的更新策略、更新频次等；
       5. Ensemble Post-processor，有些时候，一个跟踪系统中包含多个跟踪器，要将他们的跟踪结果结合才能得到最终的跟踪结果。

       论文中通过实验进行验证，讨论了以上五部分对跟踪效果的影响，最终得出结论。

一些benchmark

实验

实验设置

基本模型

部分	采用
Motion Model	粒子滤波
Featrue Extractor	raw pixls of grayscale
Observation Model	岭回归
Model Updater	选取的bbox得分大于阈值
Ensemble Post-processor	没有

       该模型的效果如下图（中等水平）：

数据集

       作者选择VTB1.0作为验证集。

实验1 Featrue Extractor

实验2 Observation Model

实验3 Motion Model

实验4 Model Updater

实验5 Ensemble Post-processor

       作者测了两个其他论文里的模型：

结论

       结论包括以下4点：
       1. 在跟踪器中，Featrue Extractor是最重要的部分；
       2. 其实Observation Model没那么重要；
       3. Model Updater对跟踪效果有很大影响，但是现在很少有论文专门研究这部分；
       4. Ensemble Post-processor是通用且有效的；
       5. Model Updater和Motion Model可以显著的提高模型的跟踪效果。